Aprovechar el valor de la IA: para las empresas resulta más difícil de lo previsto
Hace falta implementar una "cirugía organizacional" para aprovechar al máximo las capacidades de la inteligencia artificial, según un estudio de McKinsey & Company
Con la capacidad de analizar grandes volúmenes de datos, identificar patrones complejos y automatizar tareas repetitivas, la inteligencia artificial (IA) emergió como un aliado para las empresas que buscan optimizar sus procesos y mantenerse competitivas en un mundo cada vez más digitalizado.
De hecho, la consultora global NEORIS aseguró que dicha tecnología puede mejorar la productividad en las organizaciones entre un 25 y un 40%. Por otro lado, la famosa consultora de gestión McKinsey & Company predijo que la IA generativa (o GenAI) podría agregar el equivalente de 2,6 a 4,4 mil millones de dólares anualmente a la economía global.
Frente a este panorama alentador, las compañías no perdieron el tiempo y se abalanzaron a la adopción de nuevas tecnologías, como es el caso de los copilotos de IA; es decir, los sistemas o herramientas que trabajan en colaboración con humanos para mejorar el rendimiento en una variedad de tareas. Utilizan técnicas de inteligencia artificial para complementar las habilidades y capacidades de las personas, brindando asistencia, sugerencias o información adicional en tiempo real.
Sin embargo, un reciente informe de McKinsey & Company señaló que las empresas están dando paso a reconsideraciones y recalibraciones a medida que se dan cuenta de que capturar el enorme valor potencial de la IA es más difícil de lo esperado y que no basta con la adopción de un copiloto.
"La recompensa de la IA generativa sólo puede llegar cuando las empresas realicen una cirugía organizacional más profunda en sus negocios", escribió la consultora y agregó: "aquellos que esperan que la IA genérica ofrezca un atajo más allá de la dura (y necesaria) cirugía organizacional probablemente obtendrán resultados decepcionantes".
De acuerdo a la firma especializada en brindar asesoramiento a las empresas, la ventaja competitiva proviene de la creación de capacidades organizativas y tecnológicas para innovar, implementar y mejorar ampliamente las soluciones en escala; en efecto, reconfigurando el negocio en su totalidad.
"Lanzar pilotos es relativamente fácil. Lograr que los pilotos crezcan y creen valor significativo es difícil porque requieren un amplio conjunto de cambios en la forma en que realmente se realiza el trabajo", señalaron al respecto los expertos de McKinsey.
En este sentido, el equipo destacó la necesidad de definir los planes sobre cómo generar ingresos a partir del aumento de la productividad con los copilotos de IA desde el principio. "En el caso de los centros de atención al cliente, por ejemplo, las empresas pueden dejar de contratar nuevos agentes y aprovechar el desgaste para lograr potencialmente ganancias financieras reales", ejemplificó la consultora.
La inteligencia artificial promete mayor productividad a las empresas.
Desbloquear el valor de la IA
Por otro lado, sugirieron mejorar el talento de las organizaciones, pero teniendo en claro las habilidades específicas de IA que se requieren para el negocio en particular. El proceso de aprendizaje puede llevar de dos a tres meses para alcanzar un nivel decente de competencia debido a las complejidades de aprender lo que varios modelos de lenguaje de gran tamaño (LLM) pueden o no hacer y cuál es la mejor manera de utilizarlos.
Las empresas también deberían contar con un equipo centralizado para establecer estándares que permitan un escalamiento responsable de los sistemas de IA, garantizando que los equipos puedan acceder a los modelos y al mismo tiempo minimizar el riesgo y contener los costos económicos.
La calidad de los datos que conservan las compañías también es crucial para desbloquear el potencial de las herramientas de IA generativa. En este sentido, McKinsey concluyó: "es fundamental tener las bases de datos correctas, desde aclarar los derechos de decisión hasta definir procesos de datos claros y establecer taxonomías para que los modelos puedan acceder a los datos que necesitan".